軍人における筋骨格傷害リスク群を分類する機械学習フレームワーク
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：A machine learning framework to classify musculoskeletal injury risk groups in military service members.
雑誌名：Front Artif Intell. 2024; 7: 1420210.
概 要：
筋骨格傷害（MSKI）は軍人において一般的な問題であり、そのリスクを特定し軽減することが重要です。本研究では、自己報告式の質問票や電子健康記録を活用した時間依存型機械学習モデルを用いて、MSKIリスクを効率的にスクリーニングするツールを開発しました。4,222人の米陸軍兵士がMSKIリスクスクリーニングを受け、データを基に予測モデルを構築しました。
方 法：
4,222人の米陸軍兵士を対象に、自己報告によるMSKIリスクスクリーニングを実施しました。生存機械学習モデル（COX比例ハザード回帰、条件付き推論木、ランダムフォレスト）を使用し、75%の訓練データ（n=2,963）でMSKIリスクを予測し、25%のテストデータ（n=987）で評価しました。リスクの予測確率は、MSKIリスクに基づいて兵士を四分位に分類しました。
結 果：
COXモデルが最も良好な性能を示し、30日から180日間の時間依存曲線下面積は0.73から0.70でした。180日間のインデックス予測精度は、無変数モデルに比べて12%向上しました。COXモデルでは、「その他」の人種、運動スクリーニング中の自己報告による痛みの項目数、女性、過去のMSKIが最も大きなハザード比を示しました。180日間で最高リスク群のMSKI発生率は2,130.82 ± 171.15/1,000人年で、最低リスク群に対して4.74倍の発生率比を示しました。
結 論：
自己報告式の質問票と既存データを用いて、軍人のMSKIリスクプロファイルを特定する機械学習アルゴリズムを作成できることが示されました。今後の研究では、より詳細な軍人特有のMSKIスクリーニングツールの開発と、これに基づくリスク軽減戦略の策定が求められます。